01
风电行业背景与故障预测价值
全球风电发展现状、故障带来的经济损失、预测性维护的核心价值。
行业背景经济性
02
系统总体架构设计
数据采集层、传输层、存储层、智能分析层、预警展示层的分层架构。
架构分层
03
SCADA数据采集与预处理
风速、功率、转速、温度等关键参数采集，数据清洗与缺失值处理。
SCADA预处理
04
振动信号分析与特征提取
时域特征（均值、方差、峰值）、频域特征（FFT频谱）、时频域特征（小波包分解）。
振动特征工程
05
齿轮箱故障机理与特征
齿轮磨损、断齿、轴承故障的振动特征频率计算与识别。
齿轮箱故障机理
06
发电机故障模式分析
定子绕组故障、转子偏心、轴承过热等典型故障的电气与温度特征。
发电机电气特征
07
变桨系统故障诊断
变桨角度偏差、变桨电机电流异常、变桨轴承磨损的监测方法。
变桨诊断
08
偏航系统故障预警
偏航误差累积、偏航电机过载、偏航制动器磨损的预警策略。
偏航预警
09
塔筒与基础结构健康监测
塔筒振动模态分析、基础沉降监测、螺栓松动检测。
结构健康监测
10
叶片故障检测与预警
叶片裂纹、雷击损伤、结冰检测的声发射与振动方法。
叶片声发射
11
基于统计阈值的预警方法
均值-标准差法、百分位数法、EWMA控制图在风电预警中的应用。
统计阈值
12
基于机器学习的故障分类
KNN、SVM、随机森林在风机故障模式识别中的对比。
机器学习分类
13
基于深度学习的时序预测
LSTM、GRU、Transformer在风机状态参数预测中的应用。
深度学习时序
14
异常检测算法实战
孤立森林、LOF、Autoencoder在无标签数据中的异常发现。
异常检测无监督
15
多传感器数据融合技术
卡尔曼滤波、加权平均法、D-S证据理论在状态评估中的融合。
融合卡尔曼
16
剩余寿命预测方法
基于退化轨迹的RUL预测、Wiener过程、Gamma过程模型。
RUL退化
17
预警阈值动态优化
基于贝叶斯优化的阈值自适应调整方法。
阈值优化贝叶斯
18
实时流数据处理架构
Kafka + Flink 在风电数据实时处理中的搭建与实战。
流处理Kafka
19
预警规则引擎设计
Drools规则引擎在复杂预警逻辑中的配置与使用。
规则引擎Drools
20
可视化大屏设计
基于ECharts/Grafana的风电场实时监控大屏开发。
可视化大屏
21
告警分级与通知策略
紧急、严重、一般三级告警定义，短信、邮件、钉钉多渠道通知。
告警通知
22
历史数据回放与根因分析
基于时间序列的故障回溯与根因定位方法。
根因分析回溯
23
模型评估与持续学习
模型漂移检测、在线学习、增量更新策略。
持续学习漂移
24
边缘计算在风电预警中的应用
边缘端模型部署、轻量化模型设计（TensorFlow Lite）。
边缘计算TFLite
25
数字孪生与虚拟传感器
基于物理模型的数字孪生构建与虚拟传感器数据生成。
数字孪生虚拟传感
26
风电场群协同预警
多台风机之间的关联分析、尾流效应影响下的预警策略。
协同尾流
27
系统安全与数据隐私
工业控制系统安全、数据加密、访问控制策略。
安全隐私
28
项目实战：从零搭建风电故障预警系统（一）
需求分析、技术选型、数据库设计。
实战设计
29
项目实战：从零搭建风电故障预警系统（二）
后端开发（Flask/FastAPI）、模型集成。
后端集成
30
项目实战：从零搭建风电故障预警系统（三）
前端开发、部署上线、运维监控。
前端部署